DIMA

Lingua Insegnamento:

ITALIANO
Testi di riferimento:

Costituiscono materiale di studio le slide delle lezioni, che verranno rese disponibili sul portale e-learning di Ateneo, e le risorse (articoli, tutorial o parti di libri) che verranno indicate dal docente durante il corso.
Obiettivi formativi:

Il corso si propone di fornire le conoscenze di base e gli strumenti per selezionare ed applicare diverse tecniche di analisi dei dati allo scopo di soddisfare diversi bisogni informativi propri del marketing digitale.
Prerequisiti:

La conoscenza dei concetti base di statistica e delle tecniche di regressione lineare e logistica e di raggruppamento (clustering), sono consigliate per la corretta comprensione dei processi di analisi che si andranno ad implementare. Le suddette conoscenze, oggetto del corso di “Marketing statistics and metrics” saranno comunque richiamate e brevemente discusse durante il corso.
Metodi didattici:

L'insegnamento prevede 54 ore di lezione.
Il corso sarà organizzato in moduli, ciascuno dei quali costituito da lezioni teoriche, dimostrazioni ed esercitazioni guidate e progetti pratici di gruppo.

Il corso prevede un progetto di gruppo in cui gli studenti applicheranno gli strumenti introdotti nel corso.
Modalità di verifica dell'apprendimento:

La valutazione finale sarà espressa in trentesimi. La prova di esame consisterà nella valutazione del progetto di gruppo ed in un test.
Sostenibilità:
Altre Informazioni:

Il corso dapprima introduce i concetti base relativi alla rappresentazione, all'interrogazione ed all’analisi dei dati, concentrandosi poi sugli strumenti pratici e metodologie usate nell'ambito del marketing, ed in particolare del marketing digitale.

Data Analytics: introduzione ai concetti e alla rappresentazione dei dati
- Il processo di analisi dei dati, data-driven decision e tipologie di analisi
- Tipi di dati e formati di rappresentazione, dati strutturati e non strutturati
- Principi di database relazionali e SQL

Web e Social Media
- Strumenti di data analytics specifici per il digital marketing: Google Ads, Analytics, Trends, etc.
- Strumenti per il Social media listening/monitoring:
- Estrarre i dati dal web e dai social: API, scrapers e open data

Data visualisation e descriptive analytics
- Principi di data visualisation
- Analisi esplorative, grafici, report e dashboard interattive, fondamenti e casi pratici con Microsoft Excel.

Data Analytics workflows
- Introduzione a KNIME, preparazione dei dati e composizione di workflow di analisi
- Richiami di analisi regressiva e di raggruppamento (clustering)
- Esempi svolti in classe: Analisi di regressione per predire variabili di marketing (es. churn/buy probability), marketing mix
- Esempi svolti in classe: Cluster analysis per segmentare i clienti e il pubblico social